腾讯织云Metis异常检测原理刨析

Metis当前0.3.0版本开源的时间序列异常检测学件，是从机器学习的角度来解决时序数据的异常检测问题。

1. 基础介绍

1.1 表说明

目前Metis有为三张表：

• sample_dataset样本表，训练数据来源
• anomaly异常表，在量值检测、率值检测之后，把异常的数据写入此表
• train_task 训练任务表，记录训练生成的模型

1.2 数据集说明

进行时间序列异常检测是需要使用历史数据的。一般情况下可以选择历史14天的数据，或者历史一周的数据。或者选择其中的一个时间序列切片。
Metis里，当前检测时间窗口选取的是为3小时，每分钟1个数据点，即窗口值为180。数据集data_c，data_b，data_a, 代表的含义如下图的一周前、一天前、当天，对应数据库sample_dataset表的三个字段data_c，data_b，data_a:

需要说明的是Metis默认180窗口下，一个样本有903个数据点，即一周前：1(待判断点)+180+180，前一天1+180+180，当天1+180。

2. 技术架构